CN114998270A - 数据处理方法及装置、电子设备和存储介质 - Google Patents

数据处理方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN114998270A
CN114998270A CN202210651510.XA CN202210651510A CN114998270A CN 114998270 A CN114998270 A CN 114998270A CN 202210651510 A CN202210651510 A CN 202210651510A CN 114998270 A CN114998270 A CN 114998270A
Authority
CN
China
Prior art keywords
image
processed
template
sum
matching
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202210651510.XA
Other languages
English (en)
Inventor
刘亚坤
李毕扬
蒋小可
陈昊
吴立威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to CN202210651510.XA priority Critical patent/CN114998270A/zh
Publication of CN114998270A publication Critical patent/CN114998270A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本公开涉及一种数据处理方法及装置、电子设备和存储介质，所述方法包括：获取图像采集设备采集的包括目标对象的待处理图像和目标对象的模板图像，并根据目标对象的模板图像的像素值的和，以及待处理图像的前缀和，对待处理图像进行模板匹配处理，得到匹配图像，并确定该匹配图像与待处理图像间的二维坐标偏移信息，之后，根据图像采集设备的视场信息、待处理图像、二维坐标偏移信息，确定目标对象的三维坐标偏移信息。本公开实施例可实现目标对象在真实空间的准确定位，有利于后续在工业生产中，更方便更准确地对目标对象进行加工与操作。

Description

数据处理方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机视觉技术领域，尤其涉及一种数据处理方法及装置、电子设备和存储介质。
背景技术
在工业生产过程中，需要对工件进行定位，使工件在工作台(例如机床)或夹具中占有正确的位置，进而满足工件的加工要求，实现工件的正常加工。其中，工件位置的准确性对下一步工件处理的影响很大。例如，在汽车冲压质检行业，存在业务需求是需要对汽车上的工件进行定位，并将定位后的工件从原图上裁剪出然后再做下一步处理，裁剪出工件的位置的准确性对下一步工件处理的影响很大。
发明内容
本公开提出了一种数据处理技术方案。
根据本公开的一方面，提供了一种数据处理方法，包括：获取图像采集设备采集的包括目标对象的待处理图像和所述目标对象的模板图像；根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，得到匹配图像；根据所述待处理图像和所述匹配图像，确定所述匹配图像与所述待处理图像间的二维坐标偏移信息；根据所述图像采集设备的视场信息、所述待处理图像、所述二维坐标偏移信息，确定所述目标对象的三维坐标偏移信息，所述三维坐标偏移信息用于确定所述目标对象在真实空间的位置。
在一种可能的实现方式中，所述根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理之前，所述方法还包括：对所述待处理图像进行曝光检测，确定所述待处理图像的曝光区域；在所述待处理图像的所述曝光区域满足预设条件的情况下，对所述待处理图像进行滤波处理，得到待处理图像的第一滤波图像，以及对所述模板图像进行滤波处理，得到所述模板图像的第二滤波图像；所述根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，得到匹配图像，包括：根据所述第二滤波图像的像素值的和，和所述第一滤波图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，得到匹配图像。
在一种可能的实现方式中，所述根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，得到匹配图像，包括：根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，采用至少两种模板匹配方法，分别对所述待处理图像进行模板匹配处理，确定至少两种初始匹配图像；从所述至少两种初始匹配图像中，将最优的初始匹配图像确定为匹配图像。
在一种可能的实现方式中，针对任一种模板匹配方法，所述根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，确定初始匹配图像，包括：根据所述模板图像的尺寸和滑动步长，依次从所述待处理图像中取出多个窗口数据；根据所述待处理图像的像素值的前缀和，确定每个窗口数据的像素值的和；根据每个窗口数据的像素值的和，以及所述模板图像的像素值的和，确定每个窗口数据与所述模板图像的匹配度；根据每个窗口数据与所述模板图像的匹配度，将最优匹配度的所述窗口数据确定为初始匹配图像。
在一种可能的实现方式中，所述从所述至少两种初始匹配图像中，将最优的初始匹配图像确定为匹配图像，包括：统计每个初始匹配图像中，像素值与所述模板图像中对应位置处的像素值的差值小于预设阈值的像素数量；将所述像素数量最多的初始匹配图像，确定为匹配图像。
在一种可能的实现方式中，所述对所述待处理图像进行曝光检测，确定所述待处理图像的曝光区域，包括：根据所述待处理图像的直方图分布，确定曝光阈值；将所述待处理图像中像素值大于所述曝光阈值的像素组成的至少一个连通域，确定为曝光区域；所述在所述待处理图像的所述曝光区域满足预设条件的情况下，对所述待处理图像进行滤波处理，包括：所述曝光区域包括的任一连通域内像素数量大于预设数量的情况下，对所述待处理图像进行滤波处理。
在一种可能的实现方式中，所述目标对象包括汽车的工件，所述三维坐标偏移信息用于机械臂引导所述图像采集设备采集目标对象的图像数据。
根据本公开的一方面，提供了一种数据处理装置，包括：获取模块，用于获取图像采集设备采集的包括目标对象的待处理图像和所述目标对象的模板图像；处理模块，用于根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，得到匹配图像；第一确定模块，用于根据所述待处理图像和所述匹配图像，确定所述匹配图像与所述待处理图像间的二维坐标偏移信息；第二确定模块，用于根据所述图像采集设备的视场信息、所述待处理图像、所述二维坐标偏移信息，确定所述目标对象的三维坐标偏移信息，所述三维坐标偏移信息用于确定所述目标对象在真实空间的位置。
在一种可能的实现方式中，所述处理模块还用于：在根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理之前，对所述待处理图像进行曝光检测，确定所述待处理图像的曝光区域；在所述待处理图像的所述曝光区域满足预设条件的情况下，对所述待处理图像进行滤波处理，得到待处理图像的第一滤波图像，以及对所述模板图像进行滤波处理，得到所述模板图像的第二滤波图像；根据所述第二滤波图像的像素值的和，和所述第一滤波图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，得到匹配图像。
在一种可能的实现方式中，所述处理模块用于：根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，采用至少两种模板匹配方法，分别对所述待处理图像进行模板匹配处理，确定至少两种初始匹配图像；从所述至少两种初始匹配图像中，将最优的初始匹配图像确定为匹配图像。
在一种可能的实现方式中，针对任一种模板匹配方法，所述根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，确定初始匹配图像，包括：根据所述模板图像的尺寸和滑动步长，依次从所述待处理图像中取出多个窗口数据；根据所述待处理图像的像素值的前缀和，确定每个窗口数据的像素值的和；根据每个窗口数据的像素值的和，以及所述模板图像的像素值的和，确定每个窗口数据与所述模板图像的匹配度；根据每个窗口数据与所述模板图像的匹配度，将最优匹配度的所述窗口数据确定为初始匹配图像。
在一种可能的实现方式中，所述从所述至少两种初始匹配图像中，将最优的初始匹配图像确定为匹配图像，包括：统计每个初始匹配图像中，像素值与所述模板图像中对应位置处的像素值的差值小于预设阈值的像素数量；将所述像素数量最多的初始匹配图像，确定为匹配图像。
在一种可能的实现方式中，所述对所述待处理图像进行曝光检测，确定所述待处理图像的曝光区域，包括：根据所述待处理图像的直方图分布，确定曝光阈值；将所述待处理图像中像素值大于所述曝光阈值的像素组成的至少一个连通域，确定为曝光区域；所述在所述待处理图像的所述曝光区域满足预设条件的情况下，对所述待处理图像进行滤波处理，包括：所述曝光区域包括的任一连通域内像素数量大于预设数量的情况下，对所述待处理图像进行滤波处理。
在一种可能的实现方式中，所述目标对象包括汽车的工件，所述三维坐标偏移信息用于机械臂引导所述图像采集设备采集所述目标对象的图像数据。
根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中，能够根据目标对象的模板图像的像素值的和，以及图像采集设备采集的包括目标对象的待处理图像的前缀和，对待处理图像进行模板匹配处理，得到匹配图像，并确定该匹配图像与待处理图像间的二维坐标偏移信息，之后，根据图像采集设备的视场信息、待处理图像、二维坐标偏移信息，确定目标对象的三维坐标偏移信息。
通过这种方式，能够利用待处理图像的像素值的前缀和，提高模板匹配的效率，进而提高工业生产效率；而且，能够将二维图像像素的偏移映射到三维空间真实坐标的偏移，实现目标对象在真实空间的准确定位，有利于后续在工业生产中，更方便更准确地对目标对象(例如包括工件)进行加工与操作。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的数据处理方法的流程图。
图2示出根据本公开实施例的获取待处理图像的示意图。
图3示出根据本公开实施例的前缀和的示意图。
图4示出根据本公开实施例的使用前缀和表示模板图像覆盖的滑动区域像素值的和的示意图。
图5示出根据本公开实施例的二维坐标偏移信息确定方法的示意图。
图6示出根据本公开实施例的目标对象的三维坐标偏移信息确定方法的示意图。
图7示出根据本公开实施例的待处理图像的示意图。
图8示出根据本公开实施例的一种匹配图像的示意图。
图9示出根据本公开实施例的直方图分布的示意图。
图10示出的根据本公开实施例的第一滤波图像的示意图。
图11示出的根据本公开实施例的第二滤波图像的示意图。
图12示出的根据本公开实施例的另一种匹配图像的示意图。
图13示出根据本公开实施例的数据处理装置的框图。
图14示出根据本公开实施例的一种电子设备的框图。
图15示出根据本公开实施例的另一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
本公开实施例的数据处理方法，可根据目标对象的模板图像的像素值的和，以及图像采集设备采集到的包括目标对象的待处理图像的前缀和，对待处理图像进行模板匹配处理，得到匹配图像，并确定该匹配图像与待处理图像间的二维坐标偏移信息，之后，根据图像采集设备的视场信息、待处理图像、二维坐标偏移信息，确定目标对象的三维坐标偏移信息。
通过这种方式，本公开的实施例通过利用待处理图像的像素值的前缀和，提高了模板匹配的效率，进而提高工业生产效率；而且，本公开的实施例还能够将二维图像像素的偏移映射到三维空间真实坐标的偏移，实现目标对象在真实空间的准确定位，有利于后续在工业生产中，更方便更准确地对目标对象(例如包括工件)进行加工与操作。
图1示出根据本公开实施例的数据处理方法的流程图，如图1所示，所述数据处理方法包括：
在步骤S1中，获取图像采集设备采集的包括目标对象的待处理图像和所述目标对象的模板图像；
在步骤S2中，根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，得到匹配图像；
在步骤S3中，根据所述待处理图像和所述匹配图像，确定所述匹配图像与所述待处理图像间的二维坐标偏移信息；
在步骤S4中，根据所述图像采集设备的视场信息、所述待处理图像、所述二维坐标偏移信息，确定所述目标对象的三维坐标偏移信息，所述三维坐标偏移信息用于确定所述目标对象在真实空间的位置。
在一种可能的实现方式中，所述数据处理方法可以由终端设备或服务器等电子设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可通过服务器执行所述方法。
在一种可能的实现方式中，目标对象可以是工业部件，可包括汽车的工件，例如汽车玻璃、安全带、安全气囊、仪表台板、变速器、变速换档操纵杆总成、减速器、离合器等。应当理解，目标对象可以是任意具有规则或不规则几何形状的工业部件，本公开对目标对象的形状、尺寸不作限制。
在步骤S1中，可获取待处理图像和目标对象的模板图像，目标对象的模板图像的尺寸可小于待处理图像的尺寸，本公开对模板图像和待处理图像的具体尺寸不作限制。
其中，待处理图像可以是图像采集设备采集的包括目标对象的图像，该待处理图像可以包括目标对象所在的目标区域，以及目标区域以外的其它区域。在本公开的实施例中，图像采集设备可位于第一预设空间，目标对象可位于第二预设空间。可通过位于第一预设空间的图像采集设备(例如相机)，采集位于第二预设空间的目标对象(例如汽车的工件)，或者，采集包括目标对象的物体(例如放置有工件的工作台、组装有工件的汽车等)，获取待处理图像。
例如，图2示出根据本公开实施例的获取待处理图像的示意图。如图2所示，可通过位于第一预设空间的相机采集第二预设空间的工件。第一预设空间中相机的镜面可以与第二预设空间中的工件平行，本公开对第一预设空间与第二预设空间的大小、形状、方位等不作具体限制，可根据实际的应用场景进行确定。
其中，目标对象的模板图像包括了目标对象的全部信息，不包括目标对象以外的其他信息。模板图像可作为模板匹配的参考标准，用于从待处理图像中寻找与模板图像相同(或相似)的部分。在本公开的实施例中，可以直接从终端设备或服务器等电子设备的存储空间，直接读取预设的目标对象的模板图像；也可以通过位于第一预设空间的图像采集设备(例如相机)，采集位于第二预设空间内标准位置处的目标对象，得到目标对象的模板图像，本公开对获取目标对象的模板图像的具体获取方式不作限制。
在步骤S1获取了模板图像和待处理图像，可在步骤S2中，根据模板图像的像素值的和，以及待处理图像的像素值的前缀和，对待处理图像进行模板匹配处理，得到匹配图像。其中，模板匹配处理的过程是在待处理图像中寻找与模板图像最匹配(相似)部分的过程。
例如，假设待处理图像I的尺寸为M×N，模板图像template的尺寸为H×W，可以先计算待处理图像I的像素值的前缀和sum，以及模板图像template的像素值的和sumtemplate。
图3示出根据本公开实施例的前缀和的示意图，如图3所示，前缀和sum的尺寸与待处理图像I的尺寸相同，在宽度方向上有N列元素，在高度方向上有M行元素，对于前缀和sum中任意第m行第n列(1≤n≤N,1≤m≤M)的元素，
Figure BDA0003686306370000061
其中，Ii,j代表待处理图像I第i列第j行像素的像素值。
模板图像template的像素值的和
Figure BDA0003686306370000062
其中，templatei,j代表模板图像template第i列第j行像素的像素值。
在使用模板图像template在待处理图像I上滑动的过程中，模板图像template覆盖的待处理图像I的滑动区域(即窗口数据)像素值的和可以用前缀和sum表示。
图4示出根据本公开实施例的使用前缀和sum表示模板图像template的滑动区域像素值的和的示意图。如图4所示，模板图像template可以按照预设的步长在待处理图像I上滑动，假设当模板图像template滑动到如图4所示的位置，即：模板图像template的左上像素滑动到待处理图像I的第i列第j行的像素Ii,j位置处，模板图像template的右上像素滑动到待处理图像I的第x列第j行的像素Ix,j位置处，模板图像template的左下像素滑动到待处理图像I的第i列第y行的像素Ii,y位置处，模板图像template的右下像素滑动到待处理图像I的第x列第y行的像素Ix,y位置处。
模板图像template覆盖待处理图像I的滑动区域(即窗口数据)像素值的和，可以表示为：sumi,j-sumi,y-sumx,j+sumx,y。
其中，sumi,j为像素和sum中的第i列第j行的元素，也即图3所示的待处理图像I中，区域31和区域32的交叠区域的像素值的和；sumx,j为像素和sum中的第x列第j行的元素，也即图4所示的待处理图像I中区域31的像素值的和；sumi,y为像素和sum中的第i列第y行的元素，也即图4所示的待处理图像I中区域32的像素值的和；sumx,y为像素和sum中的第x列第y行的元素，也即图4所示的待处理图像I中灰色区域的像素值的和。
可依次对滑动区域像素值的和与模板图像template像素值的和sumtemplate进行匹配，例如，可将与sumtemplate最接近的sumi,j-sumi,y-sumx,j+sumx,y所对应的滑动区域，确定为匹配图像。
为了更好的说明本公开实施例的模板匹配处理过程，下面对相关技术中的模板匹配处理过程和本公开实施例的模板匹配处理过程进行对比说明。
相关技术中模板匹配方法，模板图像每滑动一次，都需要模板图像中的各像素，分别与其覆盖的待处理图像的滑动区域内对应位置处的各像素进行匹配处理，其计算公式为：
Figure BDA0003686306370000071
在公式(1)中，目标对象的模板图像为T，其尺寸为H×W，待处理图像为S，其尺寸为M×N，可使用模板图像T在待处理图像S上做滑动，模板图像T覆盖待处理图像S的区域为滑动区域Sij，i，j为滑动区域Sij左上角在待处理图像S上的坐标，其取值范围为：1≤i≤N-W,1≤j≤M-H。
依次匹配滑动区域Sij内像素值Sij(m,n)与模板图像T像素值T(m,n)的欧式距离E(i,j)，取欧式距离E(i,j)最小的区域作为模板图像T所匹配到的目标区域。
由此可知，相关技术中是直接采用模板图像T在待处理图像S上滑窗进行模板匹配，需要O(W*H)的时间复杂度(W和H分别表示模板图像的宽度和高度)，实现一次模板图像与其覆盖的滑动区域的匹配处理。模板匹配处理过程的时间复杂度为O(N*M*W*H)，其中，N和M分别表示待处理图像的宽度和高度，W和H分别表示模板图像的宽度和高度。按照此方法来进行模板匹配，方法的实际耗时比较高。
对比相关技术中模板匹配处理过程，在本公开的实施例中，可利用待处理图像的像素值的前缀和，表示模板图像覆盖的滑动区域的像素值的和，这样，可直接用模板图像的像素值的和与前缀和表示的滑动区域的像素值的和进行匹配，可以在O(1)的时间复杂度内，实现一次模板图像与其覆盖的滑动区域的匹配处理。模板匹配处理过程的时间复杂度为O(N*M)，其中，N和M分别表示待处理图像的宽度和高度。
可见，对比相关技术中模板匹配方法时间复杂度较高，效率较低，本公开的实施例可采用先计算待处理图像像素值的前缀和的方法来优化模板匹配方法的效率，将模板匹配方法的时间复杂度由相关技术中的O(N*M*W*H)，降低为O(N*M)，大幅度提升了模板匹配方法的执行效率，有利于提高工业生产效率。
在步骤S2得到了匹配图像，可在步骤S3中根据匹配图像和待处理图像，确定匹配图像与待处理图像I间的二维坐标偏移信息。
图5示出根据本公开实施例的二维坐标偏移信息确定方法的示意图，如图5所示，灰色区域代表匹配图像，可以将匹配图像中左上角像素的坐标(i,j)，与待处理图像I的左上角的原点坐标(0,0)之间的二维坐标偏移信息
Figure BDA0003686306370000081
作为匹配图像与待处理图像I间的二维坐标偏移信息
Figure BDA0003686306370000082
应当理解，图5仅作为示意，本公开对确定二维坐标偏移信息的具体方法不作限制，可以将匹配图像中的任一像素作为基准像素(例如包括左下角像素、中心像素等)，将基准像素坐标与待处理图像I的原点坐标间的二维坐标偏移信息，作为匹配图像与待处理图像I间的二维坐标偏移信息。
在步骤S3确定了二维坐标偏移信息，可在步骤S4中，可根据图像采集设备的视场信息、待处理图像、以及二维坐标偏移信息，将匹配图像相对于待处理图像的二维坐标偏移信息映射到真实的三维空间，确定目标对象的三维坐标偏移信息。
其中，图像采集设备的视场信息可包括图像采集设备的视场角、拍摄范围、图像采集设备与目标对象的深度距离等信息。
例如，已知第一预设空间的图像采集设备(例如相机)采集第二预设空间的目标对象(例如工件)，以获取待处理图像的过程如图2所示。从图2可知，在图像采集设备的视场角、图像采集设备与目标对象的深度距离是固定的情况下，图像采集设备的拍摄范围也是固定的。可以通过图像采集设备的视场信息以及图形的相似性关系，将匹配图像相对于待处理图像的二维坐标偏移信息映射到真实的三维空间，确定目标对象的三维坐标偏移信息。
图6示出根据本公开实施例的目标对象的三维坐标偏移信息确定方法的示意图。如图6所示，左侧图像代表真实场景，可对应图2中图像采集设备的拍摄范围，M’代表拍摄范围的高度，N’代表拍摄范围的宽度；右侧图像代表图像采集设备捕捉到的场景，也即待处理图像I，M代表待处理图像I的高度，N代表待处理图像的宽度。
由图形相似性关系可得：
Figure BDA0003686306370000091
在公式(2)中，由于拍摄范围的高度M’和宽度N’，以及待处理图像I的高度M和宽度N均是已知的，二维坐标偏移信息
Figure BDA0003686306370000092
可以由步骤S3得到，所以，可以推算出目标对象在真实场景中的偏移信息
Figure BDA0003686306370000093
再加上图像采集设备与目标对象的深度距离，得到目标对象的三维坐标偏移信息。
其中，三维坐标偏移信息可用于确定目标对象在真实空间的位置，例如，可以根据在真实空间(例如现实世界中的三维物理空间)中预先设定的作为定位标准的三维位置，与三维坐标偏移信息，得到目标对象在真实空间的位置。
通过这种方式，对比相关技术中模板匹配法得到的是二维坐标偏移位置(例如模板图像的左上角位置的像素坐标)，该二维位置往往不能满足工业生产过程中的业务需求，而本公开的实施例可得到三维空间中真实坐标的偏移信息，实现了目标对象在真实空间的准确定位，有利于满足工业生产过程中的业务需求。
在一种可能的实现方式中，所述三维坐标偏移信息可用于机械臂引导所述图像采集设备采集目标对象的图像数据，有利于提高工件生产效率，可广泛应用于工件孔位检测、工件质量检测、产品的智能制造等场景。
比如，假设目标对象为汽车的工件，工件上有多个孔位，机械臂可基于输入的三维坐标偏移信息，在无需人工干预的情况下，就可以移动目标对象，分别对工件上的各孔位进行检测。
或者，对于不同工件在汽车上的位置是固定的，机械臂也可基于输入的三维坐标偏移信息，在无需人工干预的情况下，移动目标对象，对相邻的其他工件进行检测，本公开对三维坐标偏移信息的应用场景不作限制。
通过步骤S1～S4，能够利用待处理图像的像素值的前缀和，提高模板匹配的效率，进而提高工业生产效率；而且，还将二维图像像素的偏移映射到三维空间真实坐标的偏移，实现目标对象在真实空间的准确定位，有利于后续在工业生产中，更方便更准确地对目标对象(例如包括工件)进行加工与操作。
下面对本公开的实施例进行举例说明。
图7示出根据本公开实施例的待处理图像的示意图。如图7所示，假设待处理图像为图像采集设备采集的汽车工件图像，可以是8位灰度图像，像素值的取值范围为0～255。应当理解，图7仅作示例，本公开对待处理图像的格式、以及待处理图像的像素取值范围不作限制。
在实际的应用中，待处理图像可能会存在曝光过度的区域，如图7所示，目标对象(例如汽车的工件)所在的区域曝光严重，该区域的像素值接近于255，这些像素值对模板匹配处理准确性的影响较大。
在这种情况下，由于目标对象所在的区域曝光严重，会影响模板匹配处理的准确性，如果直接利用模板图像对原始的待处理图像进行模板匹配处理，会使模板匹配得到的匹配图像与目标对象在待处理图像中的真实位置偏差较大，得到图8所示的匹配图像。图8不仅没有包括目标对象的全部区域，而且还包括了目标对象以外的其他区域，匹配图像的准确度明显比较低。
因此，为了提高模板匹配处理的准确度，在步骤S1获取了待处理图像和目标对象的模板图像之后，步骤S2根据模板图像的像素值的和，和待处理图像的像素值的前缀和，对待处理图像进行模板匹配处理之前，本公开的实施例还可包括步骤SA和步骤SB：
在步骤SA中，对所述待处理图像进行曝光检测，确定所述待处理图像的曝光区域；其中，曝光区域为待处理图像中存在的过亮而缺少细节的区域，如图7中的白色区域。
在一种可能的实现方式中，步骤SA可包括：
在步骤SA1中，根据所述待处理图像的直方图分布，确定曝光阈值；
在步骤SA2中，将所述待处理图像中像素值大于所述曝光阈值的像素组成的至少一个连通域，确定为曝光区域；
举例来说，假设图7为待处理图像，在步骤SA1中，可通过统计待处理图像中拥有相同像素值的像素个数，确定如图9所示的待处理图像的直方图分布，也即待处理图像的亮度分布的概率密度函数，可反映待处理图像的明暗分布规律。
如图9所示，在直方图分布中，横轴表示像素的像素值，纵轴代表对应像素值的像素数量。其中，不同的像素值可对应不同的亮度，像素值越大的像素所对应的亮度越亮(在待处理图像中表现为越白)。
考虑到存在曝光区域的待处理图像的直方图分布，会存在大量的像素堆积在直方图的右侧，如图9所示，大量的像素堆积在像素值为250～255的范围。可根据待处理图像的直方图分布，确定曝光阈值。例如，可以将直方图分布中右侧起第一个极小值(波谷)对应的像素值(例如250)确定为曝光阈值，也可以利用提前训练好的用于确定曝光阈值的神经网络确定曝光阈值，本公开对确定曝光阈值的具体方法不作限制。
在步骤SA1确定了曝光阈值，可在步骤SA2中，根据曝光阈值对待处理图像进行图像分割，得到分割处理后的曝光区域，该曝光区域也即待处理图像中像素值大于曝光阈值的像素对应的区域，可包括一个或多个连通域。
通过这种方式，可利用待处理图像的直方图分布，快速准确地确定曝光区域。
然后，可根据确定的待处理图像的曝光区域，判断曝光区域是否满足预设条件，以确定是否对原始的待处理图像以及模板图像进行滤波处理。
在步骤SB中，在所述待处理图像的所述曝光区域满足预设条件的情况下，对所述待处理图像进行滤波处理，得到待处理图像的第一滤波图像，以及对所述模板图像进行滤波处理，得到所述模板图像的第二滤波图像；
已知曝光区域可包括一个或多个连通域，连通域的面积越大(即连通域内像素数量越多)，其对应的图像中高亮区域的面积越大，对后续的模板匹配处理的影响也越大。相反地，如果连通域的面积比较小，其对应图像中高亮的点，对后续的模板匹配处理的影响比较小。
在这种情况下，可分析曝光区域中各个连通域，在待处理图像的曝光区域满足预设条件的情况下，对待处理图像进行滤波处理。
在一种可能的实现方式中，步骤SB可包括：所述曝光区域包括的任一连通域内像素数量大于预设数量的情况下，对所述待处理图像进行滤波处理。
举例来说，预设条件可以为曝光区域包括的任一连通域内像素数量大于预设数量。例如，假设预设数量为P个(P≥1)像素，待处理图像的曝光区域包括Q个(Q≥1)连通域，即：连通域1～连通域Q。
如果在连通域1～连通域Q中，存在任一连通域内像素数量大于预设数量P，可对待处理图像进行滤波处理，得到待处理图像的第一滤波图像，如图10示出的根据本公开实施例的第一滤波图像的示意图，其采用的为拉普拉斯(laplace)算子滤波方法；以及，对模板图像进行相同的滤波处理，得到模板图像的第二滤波图像，如图11示出的根据本公开实施例的第二滤波图像的示意图，其采用的同样为拉普拉斯算子滤波方法。后续在步骤S2中，根据二滤波图像的像素值的和，和第一滤波图像的像素值的前缀和，对待处理图像进行模板匹配处理，得到匹配图像。
其中，滤波处理方法可包括拉普拉斯算子滤波、普鲁伊特(prewitt)算子滤波、索贝尔(sobel)算子滤波等，本公开对具体的滤波处理方法不作限制。
如果在连通域1～连通域Q中，各连通域内像素数量均小于预设数量P，可不对待处理图像进行滤波处理，后续在步骤S2中，直接对待处理图像进行模板匹配处理，得到匹配图像。
这样，在曝光区域满足预设条件的情况下进行滤波处理，可以很好地将曝光区域抹除掉，使滤波处理后的第一滤波图像不包括曝光区域(如图10所示)，进而再针对滤波后的图像进行模板匹配处理，可大大减少了曝光区域对模板匹配处理的影响，得到更精准的匹配图像。
其中，如果待处理图像曝光正常，待处理图像的直方图分布不存在大量的像素堆积在直方图的右侧，在这种情况下，待处理图像中不存在曝光区域或曝光区域很小，为了提高效率，无需对待处理图像进行进一步的预处理(例如包括滤波处理)，可直接对待处理图像进行模板匹配处理，得到匹配图像。
图12示出的根据本公开实施例的匹配图像的示意图。对比图8直接采用模板图像对待处理图像进行模板匹配得到的匹配图像，其与目标对象在待处理图像中的真实位置偏差较大。图12可采用滤波处理后的模板图像(即第二滤波图像)对滤波处理后的待处理图像(第一滤波图像)进行模板匹配处理，可以很好地规避掉曝光区域的像素值对模板匹配方法的影响，得到更准确的匹配图像，有利于准确地定位待处理图像中的目标对象。
为了进一步提高模板匹配处理的准确性，在步骤S2中，还可以综合利用多种模板匹配方法，对待处理图像进行模板匹配处理，得到匹配图像。
在一种可能的实现方式中，步骤S2可包括步骤S21～S22：
在步骤S21中，根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，采用至少两种模板匹配方法，分别对所述待处理图像进行模板匹配处理，确定至少两种初始匹配图像。
其中，模板匹配方法可包括欧式距离匹配法、内积匹配法、相关系数匹配法等方法，本公开对此不作限制。
示例性的，针对任一种模板匹配方法，步骤S21可包括步骤S211～S214：
在步骤S211中，根据所述模板图像的尺寸和滑动步长，依次从所述待处理图像中取出多个窗口数据；
在步骤S212中，根据所述待处理图像的像素值的前缀和，确定每个窗口数据的像素值的和；
在步骤S213中，根据每个窗口数据的像素值的和，以及所述模板图像的像素值的和，确定每个窗口数据与所述模板图像的匹配度；
在步骤S214中，根据每个窗口数据与所述模板图像的匹配度，将最优匹配度的所述窗口数据确定为初始匹配图像。
举例来说，在步骤S211中，模板图像template可以按照预设的滑动步长在待处理图像I上滑动(如图4)，比如，模板图像template可以将待处理图像I的左上点位置作为起始位置，按照预设的滑动步长，以从左到右，从上到下的方向依次滑动，每滑动一次，其覆盖的区域对应的数据即为一个窗口数据，这样，可以从待处理图像中取出多个窗口数据。其中，本公开对滑动步长的大小，以及滑动方式不作具体限制。
在步骤S211确定了窗口数据之后，可在步骤S212中，根据待处理图像的像素值的前缀和，确定每个窗口数据的像素值的和，每个窗口数据的像素值的和可以用待处理图像的前缀和表示，具体可参见上文，此处不再赘叙。
在步骤S212确定了每个窗口数据的像素值的和，可在步骤S213中，根据每个窗口数据的像素值的和，以及模板图像的像素值的和，确定每个窗口数据与所述模板图像的匹配度。
其中，采用不同的匹配方法，其计算匹配度的方法也不同。
例如，对于欧式距离匹配法，计算窗口数据与模板图像的匹配度的方法，可以表示为：
dist1＝{(sumi,j-sumi,y-sumx,j+sumx,y)-sumtemplate}^2 (3)
在公式(3)中，sumi,j-sumi,y-sumx,j+sumx,y表示窗口数据，sumi,j为像素和sum中的第i列第j行的元素，sumx,j为像素和sum中的第x列第j行的元素，sumi,y为像素和sum中的第i列第y行的元素，sumx,y为像素和sum中的第x列第y行的元素；sumtemplate代表模板图像的像素和。
这样，通过计算每个窗口数据的像素值的和、模板图像的像素值的和，这两者之间的欧式距离，可以得到每个窗口数据与模板图像的匹配度dist1，其中，匹配度dist1的值越小，窗口数据与模板图像越相似或相同。
又例如，对于内积匹配法，计算窗口数据与模板图像的匹配度的方法，可以表示为：
dist2＝{(sumi,j-sumi,y-sumx,j+sumx,y)·sumtemplate} (4)
在公式(4)中，sumi,j-sumi,y-sumx,j+sumx,y表示窗口数据，sumi,j为像素和sum中的第i列第j行的元素，sumx,j为像素和sum中的第x列第j行的元素，sumi,y为像素和sum中的第i列第y行的元素，sumx,y为像素和sum中的第x列第y行的元素；sumtemplate代表模板图像的像素和。
这样，通过计算每个窗口数据的像素值的和、模板图像的像素值的和，这两者之间的内积，可以得到每个窗口数据与模板图像的匹配度dist2，其中，匹配度dist2的值越大，窗口数据与模板图像越相似或相同。
又例如，对于相关系数匹配法，计算窗口数据与模板图像的匹配度的方法，可以表示为：
dist3＝{[(sumi,j-sumi,y-sumx,j+sumx,y)-mean]·sumtemplate} (5)
在公式(5)中，sumi,j-sumi,y-sumx,j+sumx,y表示窗口数据，sumi,j为像素和sum中的第i列第j行的元素，sumx,j为像素和sum中的第x列第j行的元素，sumi,y为像素和sum中的第i列第y行的元素，sumx,y为像素和sum中的第x列第y行的元素；sumtemplate代表模板图像的像素和，mean代表窗口数据的像素均值，可以表示为
Figure BDA0003686306370000131
其中，W*H代表窗口数据的尺寸，W代表窗口数据的宽度，H表示窗口数据的高度。
这样，将每个窗口数据的像素值的和，减去该窗口数据的像素均值，再与模板图像的像素值的和求内积，可以得到每个窗口数据与模板图像的匹配度dist3，其中，匹配度dist3的值越大，窗口数据与模板图像越相似或相同。
欧式距离匹配法、内积匹配法、相关系数匹配法分别是独立的匹配方法，可以采用不同方法确定每个窗口数据与模板图像的匹配度，本公开对此不作限制。
在步骤S214中，可根据每个窗口数据与模板图像的匹配度，将最优匹配度的窗口数据确定为初始匹配图像。
例如，对于欧式距离匹配法，在得到了每个窗口数据与模板图像的匹配度dist1，可以将所有匹配度dist1中最小的值对应的窗口数据，确定为初始匹配图像。
又例如，对于内积匹配法，在得到了每个窗口数据与模板图像的匹配度dist2，可以将所有匹配度dist2中最大的值对应的窗口数据，确定为初始匹配图像。
又例如，对于相关系数匹配法，在得到了每个窗口数据与模板图像的匹配度dist3，可以将所有匹配度dist3中最大的值对应的窗口数据，确定为初始匹配图像。
通过这种方式，可以采用不同的模板匹配方法，分别确定各模板匹配方法对应的初始匹配图像，有利于后续提取匹配图像的准确性；并且，对于任一模板匹配方法，都可以利用待处理图像的前缀和表示窗口数据的像素值的和，并根据每个窗口数据的像素值的和以及模板图像的像素值的和，确定初始匹配图像，大大提高了确定初始匹配图像的效率。
在步骤S22中，从所述至少两种初始匹配图像中，将最优的初始匹配图像确定为匹配图像；
在一种可能的实现方式中，步骤S22可包括：统计每个初始匹配图像中，像素值与所述模板图像中对应位置处的像素值的差值小于预设阈值的像素数量；将所述像素数量最多的初始匹配图像，确定为匹配图像。
举例来说，假设在步骤S21中采用了三种模板匹配方法，得到了初始匹配图像1～初始匹配图像3，可以从初始匹配图像1～初始匹配图像3中，将最优的初始匹配图像确定为匹配图像。
比如，可分别计算初始匹配图像1～初始匹配图像3中各像素值与模板图像中对应位置处的像素值的差值，并分别统计初始匹配图像1～初始匹配图像3中存在的差值小于预设阈值的像素数量；将初始匹配图像1～初始匹配图像3中差值小于预设阈值的像素数量最多的初始匹配图像，确定为匹配图像。
通过这种方式，可以提高匹配图像的准确性。
应当理解，在待处理的曝光区域满足预设条件的情况下，为了进一步提高匹配图像的准确性，同样可以利用步骤S21～S22，对第一滤波图像进行模板匹配处理，得到匹配图像，本公开对此不作限制。具体方式可以参见上文，此处不再赘叙。
进一步，考虑到待处理图像I的像素值的前缀和sum，是通过对待处理图像I的像素值递推求和所得，前缀和sum与待处理图像I之间的关系如下式：
Figure BDA0003686306370000141
在公式(6)中，sumn,m为像素和sum中的第n列第m行的元素，sumi-1,j为像素和sum中的第i-1列第j行的元素，sumi,j-1为像素和sum中的第i列第j-1行的元素，sumi-1,j-1为像素和sum中的第i-1列第j-1行的元素，Ii,j代表待处理图像I中的第i列第j行的像素。
通过公式(6)可知，前缀和可以表示待处理图像I中任一区域的像素值的和，而利用前缀和表示待处理图像I中部分区域的像素值的和，可以提高计算效率。
在一种可能的实现方式中，在步骤S2中，本公开的实施例还可以将窗口数据分成多个部分，每部分可对应一个子窗口数据，类似地，按照窗口数据的划分方式，将模板图像也分成多个部分，每部分对象一个子模板图像。
可依次匹配窗口数据中各部分的子窗口数据的像素值的和，与模板图像中对应的各部分的子模板图像的像素值的和，可将最接近模板图像的窗口数据，确定为匹配图像。
这样，窗口数据与模板图像划分的部分越多，模板匹配方法的时间复杂度也越高，匹配的精准度也越高。可以根据不同的应用场景，通过设置窗口数据的划分数量，进行计算资源消耗与精准度之间的权衡，提高模板匹配方法的灵活度。
然后，可在步骤S13中，确定匹配图像与待处理图像间的二维坐标偏移信息，并在步骤S14中，将匹配图像与待处理图像间的二维坐标偏移信息，映射为目标对象的三维坐标偏移信息，具体可参考上文，此处不再赘叙。
因此，本公开实施例的数据处理方法，能够利用第一预设空间的图像采集设备采集第二预设空间的目标对象，得到待处理图像，并且，可判断待处理图像的曝光区域是否满足预设条件，在不满足预设条件的情况下，可以直接根据目标对象的模板图像的像素值的和，以及采集到的待处理图像的前缀和，对待处理图像进行模板匹配处理，得到匹配图像；在满足预设条件的情况下，可以对待处理图像和模板图像进行滤波处理，使用滤波处理后的模板图像(即第二滤波图像)对滤波处理后的待处理图像(第一滤波图像)进行模板匹配处理，得到匹配图像。这样，可以采用拉普拉斯算子等滤波前处理方法来处理曝光严重的待处理图像，进而很好地规避掉曝光区域的像素值对模板匹配方法的影响，得到更准确的匹配图像。并且，利用待处理图像(或第一滤波图像)的像素值的前缀和，可提高模板匹配的效率，进而提高工业生产效率。
其中，在模板匹配的过程中，可以综合利用多种模板匹配方法，得到多个初始匹配图像，并从中选择最优的初始匹配图像作为匹配图像，进一步提高模板匹配方法的精准度。
之后，可根据待处理图像和匹配图像，确定该匹配图像与待处理图像间的二维坐标偏移信息，之后，再根据图像采集设备的视场信息、待处理图像、二维坐标偏移信息，确定目标对象的三维坐标偏移信息，将二维图像像素的偏移映射到三维空间真实坐标的偏移，实现目标对象在真实空间的准确定位，有利于后续在工业生产中，更方便更准确地对目标对象(例如包括工件)进行加工与操作。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了数据处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种数据处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图13示出根据本公开实施例的数据处理装置的框图，如图13所示，所述装置包括：
获取模块51，用于获取图像采集设备采集的包括目标对象的待处理图像和所述目标对象的模板图像；
处理模块52，用于根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，得到匹配图像；
第一确定模块53，用于根据所述待处理图像和所述匹配图像，确定所述匹配图像与所述待处理图像间的二维坐标偏移信息；
第二确定模块54，用于根据所述图像采集设备的视场信息、所述待处理图像、所述二维坐标偏移信息，确定所述目标对象的三维坐标偏移信息，所述三维坐标偏移信息用于确定目标对象在真实空间的位置。
在一种可能的实现方式中，所述处理模块52还用于：在根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理之前，对所述待处理图像进行曝光检测，确定所述待处理图像的曝光区域；在所述待处理图像的所述曝光区域满足预设条件的情况下，对所述待处理图像进行滤波处理，得到待处理图像的第一滤波图像，以及对所述模板图像进行滤波处理，得到所述模板图像的第二滤波图像；根据所述第二滤波图像的像素值的和，和所述第一滤波图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，得到匹配图像。
在一种可能的实现方式中，所述处理模块52用于：根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，采用至少两种模板匹配方法，分别对所述待处理图像进行模板匹配处理，确定至少两种初始匹配图像；从所述至少两种初始匹配图像中，将最优的初始匹配图像确定为匹配图像。
在一种可能的实现方式中，针对任一种模板匹配方法，所述根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，确定初始匹配图像，包括：根据所述模板图像的尺寸和滑动步长，依次从所述待处理图像中取出多个窗口数据；根据所述待处理图像的像素值的前缀和，确定每个窗口数据的像素值的和；根据每个窗口数据的像素值的和，以及所述模板图像的像素值的和，确定每个窗口数据与所述模板图像的匹配度；根据每个窗口数据与所述模板图像的匹配度，将最优匹配度的所述窗口数据确定为初始匹配图像。
在一种可能的实现方式中，所述从所述至少两种初始匹配图像中，将最优的初始匹配图像确定为匹配图像，包括：统计每个初始匹配图像中，像素值与所述模板图像中对应位置处的像素值的差值小于预设阈值的像素数量；将所述像素数量最多的初始匹配图像，确定为匹配图像。
在一种可能的实现方式中，所述对所述待处理图像进行曝光检测，确定所述待处理图像的曝光区域，包括：根据所述待处理图像的直方图分布，确定曝光阈值；将所述待处理图像中像素值大于所述曝光阈值的像素组成的至少一个连通域，确定为曝光区域；所述在所述待处理图像的所述曝光区域满足预设条件的情况下，对所述待处理图像进行滤波处理，包括：所述曝光区域包括的任一连通域内像素数量大于预设数量的情况下，对所述待处理图像进行滤波处理。
在一种可能的实现方式中，所述目标对象包括汽车的工件，所述三维坐标偏移信息用于机械臂引导图像采集设备采集目标对象的图像数据。
该方法与计算机系统的内部结构存在特定技术关联，且能够解决如何提升硬件运算效率或执行效果的技术问题(包括减少数据存储量、减少数据传输量、提高硬件处理速度等)，从而获得符合自然规律的计算机系统内部性能改进的技术效果。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图14示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等终端设备。
参照图14，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(Wi-Fi)、第二代移动通信技术(2G)、第三代移动通信技术(3G)、第四代移动通信技术(4G)、通用移动通信技术的长期演进(LTE)、第五代移动通信技术(5G)或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图15示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器或终端设备。参照图15，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(Windows ServerTM)，苹果公司推出的基于图形用户界面操作系统(Mac OSXTM)，多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM)，开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
若本申请技术方案涉及个人信息，应用本申请技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本申请技术方案涉及敏感个人信息，应用本申请技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种数据处理方法，其特征在于，包括：
获取图像采集设备采集的包括目标对象的待处理图像和所述目标对象的模板图像；
根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，得到匹配图像；
根据所述待处理图像和所述匹配图像，确定所述匹配图像与所述待处理图像间的二维坐标偏移信息；
根据所述图像采集设备的视场信息、所述待处理图像、所述二维坐标偏移信息，确定所述目标对象的三维坐标偏移信息，所述三维坐标偏移信息用于确定所述目标对象在真实空间的位置。
2.根据权利要求1所述的方法，其特征在于，所述根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理之前，所述方法还包括：
对所述待处理图像进行曝光检测，确定所述待处理图像的曝光区域；
在所述待处理图像的所述曝光区域满足预设条件的情况下，对所述待处理图像进行滤波处理，得到待处理图像的第一滤波图像，以及
对所述模板图像进行滤波处理，得到所述模板图像的第二滤波图像；
所述根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，得到匹配图像，包括：
根据所述第二滤波图像的像素值的和，和所述第一滤波图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，得到匹配图像。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，得到匹配图像，包括：
根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，采用至少两种模板匹配方法，分别对所述待处理图像进行模板匹配处理，确定至少两种初始匹配图像；
从所述至少两种初始匹配图像中，将最优的初始匹配图像确定为匹配图像。
4.根据权利要求3所述的方法，其特征在于，针对任一种模板匹配方法，
所述根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，确定初始匹配图像，包括：
根据所述模板图像的尺寸和滑动步长，依次从所述待处理图像中取出多个窗口数据；
根据所述待处理图像的像素值的前缀和，确定每个窗口数据的像素值的和；
根据每个窗口数据的像素值的和，以及所述模板图像的像素值的和，确定每个窗口数据与所述模板图像的匹配度；
根据每个窗口数据与所述模板图像的匹配度，将最优匹配度的所述窗口数据确定为初始匹配图像。
5.根据权利要求3所述的方法，其特征在于，所述从所述至少两种初始匹配图像中，将最优的初始匹配图像确定为匹配图像，包括：
统计每个初始匹配图像中，像素值与所述模板图像中对应位置处的像素值的差值小于预设阈值的像素数量；
将所述像素数量最多的初始匹配图像，确定为匹配图像。
6.根据权利要求2所述的方法，其特征在于，所述对所述待处理图像进行曝光检测，确定所述待处理图像的曝光区域，包括：
根据所述待处理图像的直方图分布，确定曝光阈值；
将所述待处理图像中像素值大于所述曝光阈值的像素组成的至少一个连通域，确定为曝光区域；
所述在所述待处理图像的所述曝光区域满足预设条件的情况下，对所述待处理图像进行滤波处理，包括：
所述曝光区域包括的任一连通域内像素数量大于预设数量的情况下，对所述待处理图像进行滤波处理。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述目标对象包括汽车的工件，所述三维坐标偏移信息用于机械臂引导所述图像采集设备采集目标对象的图像数据。
8.一种数据处理装置，其特征在于，包括：
获取模块，用于获取图像采集设备采集的包括目标对象的待处理图像和所述目标对象的模板图像；
处理模块，用于根据所述模板图像的像素值的和，和所述待处理图像的像素值的前缀和，对所述待处理图像进行模板匹配处理，得到匹配图像；
第一确定模块，用于根据所述待处理图像和所述匹配图像，确定所述匹配图像与所述待处理图像间的二维坐标偏移信息；
第二确定模块，用于根据所述图像采集设备的视场信息、所述待处理图像、所述二维坐标偏移信息，确定所述目标对象的三维坐标偏移信息，所述三维坐标偏移信息用于确定所述目标对象在真实空间的位置。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
CN202210651510.XA 2022-06-09 2022-06-09 数据处理方法及装置、电子设备和存储介质 Withdrawn CN114998270A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210651510.XA CN114998270A (zh) 2022-06-09 2022-06-09 数据处理方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210651510.XA CN114998270A (zh) 2022-06-09 2022-06-09 数据处理方法及装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN114998270A true CN114998270A (zh) 2022-09-02

Family

ID=83033934

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210651510.XA Withdrawn CN114998270A (zh) 2022-06-09 2022-06-09 数据处理方法及装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN114998270A (zh)

Similar Documents

Publication Publication Date Title
CN110688951B (zh) 图像处理方法及装置、电子设备和存储介质
CN110348537B (zh) 图像处理方法及装置、电子设备和存储介质
CN111310616B (zh) 图像处理方法及装置、电子设备和存储介质
CN110889469B (zh) 图像处理方法及装置、电子设备和存储介质
CN109344832B (zh) 图像处理方法及装置、电子设备和存储介质
CN109948494B (zh) 图像处理方法及装置、电子设备和存储介质
CN111340048B (zh) 图像处理方法及装置、电子设备和存储介质
CN114078118A (zh) 缺陷检测方法及装置、电子设备和存储介质
CN111126108A (zh) 图像检测模型的训练和图像检测方法及装置
CN112529846A (zh) 图像处理方法及装置、电子设备和存储介质
CN114187498A (zh) 遮挡检测方法及装置、电子设备和存储介质
AU2020323956B2 (en) Image processing method and apparatus, electronic device, and storage medium
CN111680646A (zh) 动作检测方法及装置、电子设备和存储介质
WO2022247091A1 (zh) 人群定位方法及装置、电子设备和存储介质
CN111339880A (zh) 一种目标检测方法及装置、电子设备和存储介质
CN113139484B (zh) 人群定位方法及装置、电子设备和存储介质
CN114066856A (zh) 模型训练方法及装置、电子设备和存储介质
CN112967264A (zh) 缺陷检测方法及装置、电子设备和存储介质
CN113345000A (zh) 深度检测方法及装置、电子设备和存储介质
CN113344999A (zh) 深度检测方法及装置、电子设备和存储介质
CN109919126B (zh) 一种移动物体探测方法、装置及存储介质
CN111931781A (zh) 图像处理方法及装置、电子设备和存储介质
CN114998270A (zh) 数据处理方法及装置、电子设备和存储介质
CN114519794A (zh) 特征点匹配方法及装置、电子设备和存储介质
CN111275191B (zh) 检测细胞的方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20220902

WW01 Invention patent application withdrawn after publication